[發(fā)明專利]一種宮頸液基細(xì)胞切片質(zhì)量檢測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910808104.8
• 申請日: 2019-08-29
• 公開（公告）號: CN110376198B
• 公開（公告）日: 2021-08-10
• 發(fā)明（設(shè)計）人: 鮮雨宏;尚濱;彭鈴淦
• 申請（專利權(quán)）人: 廣州錕元方青醫(yī)療科技有限公司
• 主分類號: G01N21/85
• 分類號: G01N21/85
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種宮頸液基細(xì)胞切片質(zhì)量檢測系統(tǒng)，其特征在于：包括切片數(shù)據(jù)處理模塊(1)、鱗狀細(xì)胞數(shù)量評估模塊(2)、模糊檢測模塊(3)、異常檢測模塊(4)和綜合模塊(5)，所述切片數(shù)據(jù)處理模塊(1)輸出端與鱗狀細(xì)胞數(shù)量評估模塊(2)輸入端連接，所述鱗狀細(xì)胞數(shù)量評估模塊(2)輸出端與模糊檢測模塊(3)輸入端連接，所述模糊檢測模塊(3)輸出端與異常檢測模塊(4)輸入端連接，所述異常檢測模塊(4)輸出端與綜合模塊(5)輸入端連接；

所述切片數(shù)據(jù)處理模塊(1)用于針對不同掃描儀掃描圖像切片格式不同造成的數(shù)據(jù)較大且較為復(fù)雜的情況進(jìn)行處理，對整張切片圖像進(jìn)行抽樣采集，反應(yīng)整體的信息；

所述切片數(shù)據(jù)處理模塊(1)處理的格式包括tif、kfb、TMAP，針對每一格式的數(shù)據(jù)，都分為兩個階段：1)數(shù)據(jù)讀入階段；2)數(shù)據(jù)標(biāo)準(zhǔn)化階段；

數(shù)據(jù)讀入階段對每一種格式的切片開發(fā)一個獨立的接口，用于數(shù)據(jù)讀入內(nèi)存；

數(shù)據(jù)標(biāo)準(zhǔn)化階段將讀入內(nèi)存的數(shù)據(jù)進(jìn)行統(tǒng)一的處理，該階段主要包含三個標(biāo)準(zhǔn)化操作：

1)通道順序標(biāo)準(zhǔn)化，通道順序按照R、G、B排列；

2)金字塔層級標(biāo)準(zhǔn)化，掃描得到的切片圖像一般為金字塔狀的多層級存儲形式，且采用40x的圖像；

3)數(shù)據(jù)采集標(biāo)準(zhǔn)化，采用以下方法對其進(jìn)行采樣：

a.去掉圖像空白范圍或細(xì)胞零散的邊緣；

b.在圖像1中找到均勻間隔的16個點，16個點呈4行4列分布，

c.以這些點為所切圖像的右上角，按照一定的長寬采集patch圖像；

所述鱗狀細(xì)胞數(shù)量評估模塊(2)利用二值形態(tài)學(xué)的圖像處理技術(shù)對鱗狀細(xì)胞數(shù)量進(jìn)行評估，計算鱗狀細(xì)胞的數(shù)目；

所述鱗狀細(xì)胞數(shù)量評估模塊(2)包括圖像預(yù)處理和細(xì)胞數(shù)量預(yù)估兩部分；

a)圖像預(yù)處理用于根據(jù)圖像的深淺加強(qiáng)對比度，判斷圖像深淺的依據(jù)有：1.平均灰度值；2.灰度值大于220的占比；公式如下：

其中I_avg為平均灰度值，I_i,j為各處的灰度值；S_I＞220為灰度值大于220的占比，N_I＞220為灰度值大于220的像素點數(shù)目，w、h為圖像寬和長；

根據(jù)以上兩個指標(biāo)就能夠初步判斷圖像的顏色深淺；若I_avg＞220且S_I＞220＞0.8則說明圖像顏色較淺，需要進(jìn)行直方圖均衡化，加強(qiáng)對比度；

b)細(xì)胞數(shù)量預(yù)估，通過上述方法對圖像進(jìn)行預(yù)處理后，就能預(yù)估大部分圖像的鱗狀細(xì)胞數(shù)量；將數(shù)學(xué)形態(tài)學(xué)的2個基本運算即腐蝕和膨脹相結(jié)合，采用先腐蝕后膨脹的開運算得到圖像中的鱗狀細(xì)胞，腐蝕公式如下：

AΘB＝{x,y|B_xy∈A}

該式表示用結(jié)構(gòu)B腐蝕A，由于細(xì)胞近似橢圓形，所以B選用的是橢圓形結(jié)構(gòu)；

膨脹公式如下：

該式表示用結(jié)構(gòu)B膨脹A，將與目標(biāo)區(qū)域接觸的背景點合并到該目標(biāo)物中，使目標(biāo)邊界向外擴(kuò)張，B仍然選用橢圓形結(jié)構(gòu)；使用開運算得到了只有鱗狀細(xì)胞的二值圖像，通過尋找該圖像的四鄰域連通區(qū)域，計算鱗狀細(xì)胞的數(shù)目；

所述模糊檢測模塊(3)基于圖像內(nèi)容，結(jié)合二次模糊的方法來評價圖像的模糊程度，用于對圖像進(jìn)行清晰度評估；

所述異常檢測模塊(4)采用卷積神經(jīng)網(wǎng)絡(luò)自動提取特征，通過網(wǎng)絡(luò)訓(xùn)練區(qū)分經(jīng)血液污染、膠水覆蓋以及氣泡覆蓋的異常圖像；

所述綜合模塊(5)用于通過細(xì)胞數(shù)量判斷、圖像模糊判斷以及異物檢測判斷評價整個切片圖像的質(zhì)量。